車牌識別系統(tǒng)詳解

車牌識別系統(tǒng)采用高度模塊化的設(shè)計，將車牌識別過程的各個環(huán)節(jié)各自作為一個獨立的模塊。

① 車輛檢測跟蹤模塊

車輛檢測跟蹤模塊主要對視頻流進(jìn)行分析，判斷其中車輛的位置，對圖像中的車輛進(jìn)行跟蹤，并在車輛位置蕞佳時刻，記錄該車輛的特寫圖片，由于加入了跟蹤模塊，系統(tǒng)能夠很好地克服各種外界的干擾，使得到更加合理的識別結(jié)果，可以檢測無牌車輛并輸出結(jié)果。

② 車牌定位模塊

車牌定位模塊是一個十分重要的環(huán)節(jié)，是后續(xù)環(huán)節(jié)的基礎(chǔ)，其準(zhǔn)確性對整體系統(tǒng)性能的影響巨大。車牌系統(tǒng)完全摒棄了以往的算法思路，實現(xiàn)了一種完全基于學(xué)習(xí)的多種特征融合的車牌定位新算法，適用于各種復(fù)雜的背景環(huán)境和不同的攝像角度。

③ 車牌矯正及精定位模塊

由于受拍攝條件的限制，圖像中的車牌總不可避免存在一定的傾斜，需要一個矯正和精定位環(huán)節(jié)來進(jìn)一步提高車牌圖像的質(zhì)量，為切分和識別模塊做準(zhǔn)備。使用精心設(shè)計的快速圖像處理濾波器，不僅計算快速，而且利用的是車牌的整體信息，避免了局部噪聲帶來的影響。同時，視頻流識別模式車牌識別系統(tǒng)也容易受到車速的影響，也容易因為車輛較多而出現(xiàn)誤觸發(fā)識別，導(dǎo)致車牌識別率大大降低。使用該算法的另一個優(yōu)點就是通過對多個中間結(jié)果的分析還可以對車牌進(jìn)行精定位，進(jìn)一步減少非車牌區(qū)域的影響。

④ 車牌切分模塊

車牌系統(tǒng)的車牌切分模塊利用了車牌文字的灰度、顏色、邊緣分布等各種特征，能較好地抑制車牌周圍其他噪聲的影響，并能容忍一定傾斜角度的車牌。這一算法有利于類似移動式稽查這種車牌圖像噪聲較大的應(yīng)用。

⑤ 車牌識別模塊

在車牌識別系統(tǒng)中，通常采用多種識別模型相結(jié)合的方法來進(jìn)行車牌識別，構(gòu)建一種層次化的字符識別流程，可有效地提高字符識別的正確率。另一方面，在字符識別之前，使用計算機智能算法對字符圖像進(jìn)行前期處理，不僅可盡可能保留圖像信息，而且可提高圖像質(zhì)量，提高相似字符的可區(qū)分性，保證字符識別的可靠性。目前，根據(jù)車牌的特征，常見的車牌定位方法有基于車牌顏色特征信息的定位法、基于車牌區(qū)域頻譜特征的定位法、基于分類器的車牌定位法、基于車牌邊緣特征的車牌定位法等，這些方法各有所長。

⑥ 車牌識別結(jié)果決策模塊

識別結(jié)果決策模塊，具體地說，決策模塊利用一個車牌經(jīng)過視野的過程留下的歷史記錄，對識別結(jié)果進(jìn)行智能化的決策。其通過計算觀測幀數(shù)、識別結(jié)果穩(wěn)定性、軌跡穩(wěn)定性、速度穩(wěn)定性、平均可信度和相似度等度量值得到該車牌的綜合可信度評價，從而決定是繼續(xù)跟蹤該車牌，還是輸出識別結(jié)果，或是拒絕該結(jié)果。④車牌切分模塊車牌系統(tǒng)的車牌切分模塊利用了車牌文字的灰度、顏色、邊緣分布等各種特征，能較好地抑制車牌周圍其他噪聲的影響，并能容忍一定傾斜角度的車牌。這種方法綜合利用了所有幀的信息，減少了以往基于單幅圖像的識別算法所帶來的偶然性錯誤，大大提高了系統(tǒng)的識別率和識別結(jié)果的正確性和可靠性。

⑦ 車牌跟蹤模塊

車牌跟蹤模塊記錄下車輛行駛過程中每一幀中該車車牌的位置以及外觀、識別結(jié)果、可信度等各種歷史信息。由于車牌跟蹤模塊采用了具有一定容錯能力的運動模型和更新模型，使得那些被短時間遮擋或瞬間模糊的車牌仍能被正確地跟蹤和預(yù)測，終只輸出一個識別結(jié)果。5、避免現(xiàn)場混亂環(huán)境安裝此系統(tǒng)(行人眾多，經(jīng)常有行人入出車輛通道，容易遮住車牌)。

車牌定位是車牌識別系統(tǒng)的基礎(chǔ)，其定位的準(zhǔn)確與否直接影響到車牌的字符分割和識別效果，是影響整個車牌識別系統(tǒng)識別率的主要因素。車牌定位，即運用數(shù)字圖像處理、模式識別、人工智能等技術(shù)對采集到的汽車圖像進(jìn)行處理，從而準(zhǔn)確地獲得圖像中的車牌區(qū)域，其輸入是原始的汽車圖像，輸出是車牌圖像。在現(xiàn)實車牌識別系統(tǒng)中，由于光照不均勻、背景的復(fù)雜性等原因，造成準(zhǔn)確定位出車牌的難度較大。目前，根據(jù)車牌的特征，常見的車牌定位方法有基于車牌顏色特征信息的定位法、基于車牌區(qū)域頻譜特征的定位法、基于分類器的車牌定位法、基于車牌邊緣特征的車牌定位法等，這些方法各有所長。車牌系統(tǒng)完全摒棄了以往的算法思路，實現(xiàn)了一種完全基于學(xué)習(xí)的多種特征融合的車牌定位新算法，適用于各種復(fù)雜的背景環(huán)境和不同的攝像角度。值得注意的是，車牌定位算法的分類并不是唯1的，區(qū)別算法類別的標(biāo)準(zhǔn)并不十分明確。車牌定位算法的方法多種多樣、各有所長，但存在著計算量大或者定位準(zhǔn)確率不高等問題。

車牌定位是車牌識別的關(guān)鍵步驟，為了能在復(fù)雜背景和不均勻光照條件下快速準(zhǔn)確定位車牌位置，基于改進(jìn)Isotropic Sobel邊緣檢測算子的車牌定位算法，由此來解決其存在的問題，該算法通過改進(jìn)Isotropic Sobel邊緣檢測算子，實現(xiàn)了車牌圖像在水平、垂直以及對角線方向上的紋理特征提取，然后采用Otsu算法閾值化，再對閾值化后的二值圖像做數(shù)學(xué)形態(tài)學(xué)來運算得到車牌的候選區(qū)域，后利用車牌特征去除偽車牌。系統(tǒng)軟件具有功能強大的數(shù)據(jù)處理功能，可以對管理中的各種設(shè)備進(jìn)行設(shè)置，各種查詢和打印統(tǒng)計報表。

車牌識別技術(shù)是計算機視頻圖像識別技術(shù)在車牌識別中的一種應(yīng)用，要求能夠?qū)⑦\動中的汽車牌照從復(fù)雜背景中提取并識別出來，通過車牌提取、圖像預(yù)處理、特征提取、車牌字符識別等技術(shù)，識別車輛牌號，目前的技術(shù)水平為字母和數(shù)字的識別率可達(dá)到96%，漢字的識別率可達(dá)到95%。隨著發(fā)展，車牌識別技術(shù)又加強了六大全新技術(shù)的運用。三、虛擬線圈設(shè)置在網(wǎng)頁端的"安裝引導(dǎo)"上進(jìn)行繪制，確保虛擬線圈繪制在視頻畫面的下半部分，務(wù)必確保所有來車的車牌都能觸碰到虛擬線圈。

1、嵌入式處理系統(tǒng)；

2、圖像采集處理一體化設(shè)計；

3、反饋控制的全天候高清晰成像；

4、車身顏色識別；

5、視頻輔助觸發(fā)、輔助測速；

6、前端、后端獨立的專有網(wǎng)絡(luò)結(jié)構(gòu)。